Un'analisi esplorativa grafica dei dati sul covid-19

December 7, 2020

Attenzione

I dati sono aggiornati al 07/12/2020. I commenti sono quelli del post original del 9 Aprile 2020.

Ho aggiornato aggiungendo due links alla fine del post.

I dati che ho utilizzato si possono trovare sul sito del progetto della protezione civile su github, che sono qua

Introduzione

Questo post ha il solo obiettivo di rappresentare graficamente i dati che giornalmente diffonde la protezione civile sulla diffusione del coronavirus nel nostro paese.

Non ci sono modelli per fare previsioni sull’andamento della diffusion della malattia, ma se ne possono trovare attualmente praticamente ovunque, più o meno sensati, più o meno affidabili dal punto di vista previsivo.

Per ora non ho incluso i dati a livello provinciale, perché fino a poco tempo fa (almeno fino a che li ho guardati), sembravano abbastanza inaffidabili. Questa non è ovviamente una critica a chi li raccoglie, ma semplicemente una osservazione, anche perché in questo momento negli ospedali e fuori da essi, ci sono ben altri problemi.

I grafici che troverete nella pagina sono interattivi (si veda plotly per R) quindi passandoci sopra con il puntatore otterrete informazioni sull’oggetto, inoltre ove presente la legenda se si fa un doppio click si isola **solo* l’elemento desiderato, mentre con un click singolo si aggiunge o si toglie.

Dati a livello nazionale

I dati a livello nazionale che analizzo sono quelli resi pubblici con l’ultimo bollettino della protezione civile.

Andamento generale epidemia

In Figura 1 è rappresentato l’andamento nazionale dei nuovi contagi a partire da Febbraio ad arrivare ad oggi. Il grafico è interattivo, quindi si può ingrandire, rimpicciolire, etc. inoltre passando sulla curva si può vedere la numerosità dei nuovi casi in ogni giorno.

Figure 1: Nuovi casi a livello nazionale

In Figura 2 è rappresentato l’andamento dei casi totali, nonché ricoverati con sintomi lievi, numero di ricoverati in terapia intensiva e dimessi poiché guariti. Già da questo grafico si vede che il numero di ricoverati in terapia intensiva, almeno nell’ultimo periodo, tende a rimanere stabile. Questi aspetti sono anche evidenziati dai due grafici seguenti: nel primo vediamo la decomposizione dei positivi in frequenza assoluta tra terapia intensiva, isolamento domiciliare e ricoverati, mentre nel secondo vediamo la stessa decomposizione, ma in percentuale.

Un altro aspetto positivo è che anche la curva dei dimessi per guarigione sta diventando più ripida.

Figure 2: Andamento dei totali a livello nazionale di positivi, ricoverati, etc.

Ripartizione degli infetti

In Figura 3 è mostrato l’andamento della ripartizione dei malati divisi in base alla tipologia di trattamento, in cui si distinguono quelli messi in isolamento, quelli ricoverati con sintomi lievi ed infine i ricoverati in terapia intensiva.

Figure 3: Ripartizione dei positivi al COVID-19 sulla base del trattamento

Figure 3: Ripartizione dei positivi al COVID-19 sulla base del trattamento

Figure 3: Ripartizione dei positivi al COVID-19 sulla base del trattamento

Nel primo grafico si vede la ripartizione in frequenze assolute, in cui si evidenzia la crescita del numero di casi e una differente ripartizione nel tempo, infatti i pazienti in isolamento sono in aumento, mentre in termini assoluti e relativi.

Nel secondo grafico invece è rapperesentata la ripartizione in percentuale, in questo caso è ancora più evidente come la proporzione di pazienti in terapia intensiva è in diminuzione a partire dal 10 marzo circa. Questo fenomeno non dovrebbe essere connesso al raggiungimento del tetto di posti letto e ad una loro diminuzione.

Nel terzo grafico infine è ancora più evidente che a partire dalla fine di marzo si è assistito ad una diminuzione del numero di ricoverati sia per sintomi lievi, sia per la terapia intensiva. Ma prima di questa inversione si vedevano già dei cambiamenti, quelli che si può pensare siano gli effetti delle politiche di distanziamento sociale. Sottolineiamo che il tempo di attesa per valutare l’efficia delle politiche è all’incirca quello previsto dagli epidemiologi.

I tamponi e i loro risultati

In Figura 4 sono rappresentati, facendo riferimento all’asse delle ordinate di sinistra, la proporzione in percentuale tra numero totale di casi e numero di tamponi , mentre sulla destra il numero di nuovi infetti in migliaia. Come si vede dalla Figura 1 il numero di tamponi fatti quotidianamente sono nettamente aumentati, questo è evidenziato in qualche modo anche dall’ultimo grafico, infatti la percentuale di tamponi positivi sta diminuendo, probabilmente si sta tornando a farli in modo più diffuso.

Figure 4: Nel grafico sono rappresentati la proporzione dei tamponi positivi e e il numero di nuovi casi quotidiano

Figure 4: Nel grafico sono rappresentati la proporzione dei tamponi positivi e e il numero di nuovi casi quotidiano

Nel secondo grafico, strettamente connesso al primo, sono rappresentati il numero di nuovi casi rispetto al numero dei campioni. Dall’analisi del grafico si vede che il numero di casi positivi continua a crescere rispetto al numero di tamponi sino a che si fanno al più 25k-30k tamponi, oltre questo numero la proporzione di positivi tende a scendere. Notiamo che i punti corrispondenti ad un numero più elevato di tamponi sono quelli più recenti, come si vede dal colore dei punti.

Tassi di variazione

In Figura @ref{fig:delta-all} sono stati rappresentati i tassi di variazione percentuale quotidiani delle variabili: indicato con \(X(t)\) il valore della variabile \(X\) al tempo \(t\), i tassi rappresentati sono \[ \Delta(t+1) = \frac{X(t+1) - X(t)}{X(t)}. \] Quindi queste serie sono costanti se la variabile cresce esponenzialmente a tasso costante.

Il grafico è, a prima vista, piuttosto confuso ma è costruito in modo tale che si possano scegliere le serie delle variazioni che si intendono confrontare.

Figure 5: Nel grafico sono rappresentati i tassi di variazione percentuale delle principali variabili

È interessante osservare che a partire dalla seconda metà di marzo è iniziata un’inversione di tendenza piuttosto decisa.

Dati a livello regionale

A livello regionale sono evidenti i fatti di cui sentiamo parlare quotidianamente sulla diffusione eterogenea del virus sul territorio nazionale, come mostrato in Figura 6.

Figure 6: Rappresentazione del numero di casi per regione

Approfondimenti

Per chi è interessato c’è un sito che si basa su Shiny e che è stato fatto da un gruppo di studenti di Milano Statale, che permette di fare una esplorazione dei dati molto interattiva dei dati italiani e lo trovate qua.

Il riferimento a livello mondiale credo possa essere quello della Johns Hopkins University, che potete trovare qua. In particolare, esplorando l’area critical trends si trovano molte informazioni interessanti.

comments powered by Disqus